基于贝叶斯与神经网混合算法的电商信用评价方法研究

作者：张朝辉; 刘佳佳; 冉惠

来源：情报科学, 2020, 38(02): 81-87.

DOI：10.13833/j.issn.1007-7634.2020.02.012

• 电子商务
• 在线评论
• 朴素贝叶斯
• 神经网络

【目的/意义】在海量的交易信息下,在线评价已经成为电商买家做出购买决定的重要参考,但不法商家针对网络评价的造假手段也越来越隐蔽,因而针对网络信用评价的识别模型也必须相应地改进。【方法/过程】针对当前大数据环境,本文主要完成了以下工作:(1)通过对相关文献的梳理和实际交易情况的分析,确定了诚信评价指标;(2)构建了基于朴素贝叶斯与BP神经网络的二层混合模型(NB-BP);(3)以大学生在线模拟电子商务交易行为产生的实验数据为样本,对NB-BP进行了测试和验证。【结果/结论】实证检验结果表明,较单纯BP人工神经网络和随机森林模型,NB-BP模型的标准均方误差较低,证明其预测准确率和稳定性上占优。

• 单位
  北京理工大学